전 세계적으로 도시화와 산업화의 발달은 많은 양의 전력을 필요로 하였다. 그리하여 연안 지역에 원자력 발전소를 비롯한 주요 사회기반시설의 건설이 가속화되었다. 또한 지구 온난화와 이상 기후 현상에 의해 자연 재해의 강도는 증가하고 있다. 자연 재해는 발생 지점과 규모를 예측하기 어렵고, 인명 피해와 재산 피해에 영향을 주고 있다. 이러한 문제로 인하여 연안 지역의 피해 예측과 재해 규모의 산정은 중요한 문제가 되었다. 그리하여 본 연구에서는 예측 가능한 기상 자료를 바탕으로 풍랑 피해의 피해액을 예측하고 예측한 결과를 바탕으로 풍랑 피해에 대하여 사전 대비 차원의 재난 관리가 가능할 것이라 판단된다. 본 연구에서는 재해 통계 자료가 부족한 시 군 구는 인접한 기상 관측소의 자료를 활용하는 지역은 군집분석을 활용하였다. 예측 가능한 기상자료와 지역 등급을 반영하였고, 재해 통계를 기반으로 남해연안지역의 풍랑 피해 예측함수를 개발 하였고, 검증 작업으로는 NRMSE를 활용하였다. 그 결과 NRMSE는 1.61%에서 21.73%로 분석되었다.
전 세계적으로 도시화와 산업화의 발달은 많은 양의 전력을 필요로 하였다. 그리하여 연안 지역에 원자력 발전소를 비롯한 주요 사회기반시설의 건설이 가속화되었다. 또한 지구 온난화와 이상 기후 현상에 의해 자연 재해의 강도는 증가하고 있다. 자연 재해는 발생 지점과 규모를 예측하기 어렵고, 인명 피해와 재산 피해에 영향을 주고 있다. 이러한 문제로 인하여 연안 지역의 피해 예측과 재해 규모의 산정은 중요한 문제가 되었다. 그리하여 본 연구에서는 예측 가능한 기상 자료를 바탕으로 풍랑 피해의 피해액을 예측하고 예측한 결과를 바탕으로 풍랑 피해에 대하여 사전 대비 차원의 재난 관리가 가능할 것이라 판단된다. 본 연구에서는 재해 통계 자료가 부족한 시 군 구는 인접한 기상 관측소의 자료를 활용하는 지역은 군집분석을 활용하였다. 예측 가능한 기상자료와 지역 등급을 반영하였고, 재해 통계를 기반으로 남해연안지역의 풍랑 피해 예측함수를 개발 하였고, 검증 작업으로는 NRMSE를 활용하였다. 그 결과 NRMSE는 1.61%에서 21.73%로 분석되었다.
The continuing urbanization and industrialization around the world has required a large amount of power. Therefore, construction of major infrastructure, including nuclear power plants in coastal areas, has accelerated. In addition, the intensity of natural disasters is increasing due to global warm...
The continuing urbanization and industrialization around the world has required a large amount of power. Therefore, construction of major infrastructure, including nuclear power plants in coastal areas, has accelerated. In addition, the intensity of natural disasters is increasing due to global warming and abnormal climate phenomena. Natural disasters are difficult to predict in terms of occurrence, location, and scale, resulting in human casualties and property damage. For these reasons, the disaster scale and damage estimation in coastal areas have become important issues. The present study examined the predictable weather data and regional ratings and developed estimating functions for wind wave damage based on the disaster statistics in the southern areas. The results of the present study are expected to help disaster management in advance of the wind wave damage. The NRMSE was used for verification. The accuracy of the NRMSE results ranged from 1.61% to 21.73%.
The continuing urbanization and industrialization around the world has required a large amount of power. Therefore, construction of major infrastructure, including nuclear power plants in coastal areas, has accelerated. In addition, the intensity of natural disasters is increasing due to global warming and abnormal climate phenomena. Natural disasters are difficult to predict in terms of occurrence, location, and scale, resulting in human casualties and property damage. For these reasons, the disaster scale and damage estimation in coastal areas have become important issues. The present study examined the predictable weather data and regional ratings and developed estimating functions for wind wave damage based on the disaster statistics in the southern areas. The results of the present study are expected to help disaster management in advance of the wind wave damage. The NRMSE was used for verification. The accuracy of the NRMSE results ranged from 1.61% to 21.73%.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이렇듯 기존의 풍랑피해예측에 관한 자료는 부족할 뿐만 아니라 일기도를 활용하거나 수치모형을 이용하는 방법이 주를 이루고 있다. 그리고 앞서 제안된 풍랑피해 예측함수는 최대 유의파고, 최대 평균파고 등 예측이 되지 않는 기상인자를 활용하였기 때문에 효율성이 부족하며, 본 연구에서는 기존에 개발된 풍랑피해 예측함수를 보완하고 예측 가능한 기상인자를 활용한 풍랑피해 예측함수를 제안하고자 한다.
본 연구는 재해통계를 기반으로 남해연안지역 풍랑피해 예측함수 개발을 목표로 진행되었으며, 기상청 바다 날씨 자료와 국립해양조사원의 조위자료 지역특성을 고려할 수 있는 연안재해취약성 평가체계((Coastal Disaster Assessment System, CDAS)의 연안재해노출지수(CODI),연안재해민감도지수(COSI). 연안재해노출지수(CPII)를 반영하여 남해연안지역의 풍랑피해에 대한 예측함수를 개발했다.
본 연구에서는 기상청에서 제공하는 바다날씨자료와 국립해양조사원에서 제공하는 조위관측소 조위자료를 예측함수 개발에 사용하였다. 현재 기상청은 우리나라연안에 국내부이 11개소, 파고부이 43개소, 국내등표 9개소를 운영하고 있으며, 기상청 홈페이지에 자료를 공개하고 있다.
연안재해노출지수(CPII)를 반영하여 남해연안지역의 풍랑피해에 대한 예측함수를 개발했다. 본 연구에서는 남해연안 전 지역의 풍랑피해예측함수 적용을 위해 데이터의 개수가 부족한 지역에 대해 군집분석을 수행했고 남해연안 18개 지역에 대한풍랑피해 예측함수를 개발하였다. 이를 통해 다음과 같은 결론을 도출했다.
본 연구에서는 재해통계를 기반으로 남해연안지역을 대상으로 풍랑피해 예측함수를 개발하여 재해가 발생하기 전 정확하고 신속하게 피해규모를 예측하고 풍랑피해에 대하여 재해를 관리하고자 한다. 풍랑피해는 재해가 예상될 때 기상청에서 풍랑주의보와 풍랑경보의 기상특보를 발표하여 재해에 대비할 수 있도록 한다.
제안 방법
또한 지역특성을 고려하는 연안재해노출지수(COastal Disaster Index, CODI), 연안민감도지수(COastal Sensitivity Index, COSI), 연안재해영향지수(Coastal Potential Impact Index, CPII)중 2가지의 요소를 선택하여 총 4가지 설명변수를 예측함수 개발에 고려하였다. 그리고 기상자료와 피해액의 비교 분석을 통하여 가용피해건수를 분석했고, 가용피해건수의 피해액을 종속변수로 활용하여 총 18개 지역에 대한 풍랑피해예측함수를 개발했다. (Table.
이는 설명변수의 유의성을 평가하여 예측 가능한 기상인자를 대상으로 후진법을 사용하여 유의성이 높은 기상인자를 도출하는 방법으로 풍랑피해 예측함수 개발에 적용하였다. 또한 지역특성을 고려하는 연안재해노출지수(COastal Disaster Index, CODI), 연안민감도지수(COastal Sensitivity Index, COSI), 연안재해영향지수(Coastal Potential Impact Index, CPII)중 2가지의 요소를 선택하여 총 4가지 설명변수를 예측함수 개발에 고려하였다. 그리고 기상자료와 피해액의 비교 분석을 통하여 가용피해건수를 분석했고, 가용피해건수의 피해액을 종속변수로 활용하여 총 18개 지역에 대한 풍랑피해예측함수를 개발했다.
풍랑피해가 일어나는 지역은 그 지역마다의 특성이 다르기 때문에 이를 반영하기 위해 지역 구성에 따른 등급분류를 수행했다. 본 연구에서는 국립해양조사원에서발간한 연안재해취약성 평가체계(Coastal Disaster Assessment System, CDAS) 구축 결과보고서에 제시되어있는 연안재해노출지수(COastal Disaster Index, CODI), 연안민감도지수(COastal Sensitivity Index, COSI), 연안재해영향지수(Coastal Potential Impact Index, CPII)를 분석하고 연구에 반영하였다. 여기서, 연안재해노출지수는 연안에서 일어나는 인간 활동에 직접적, 간접적, 잠재적으로 재해를 유발할 수 있는 자연현상의 영향을 정량적으로 표현한 것이고, 연안민감도지수는 연안에서 일어나는 인간 활동이 재해노출에 부정적 영향을 정량적으로 나타낸 것이다.
본 연구는 재해통계를 기반으로 남해연안지역 풍랑피해 예측함수 개발을 목표로 진행되었으며, 기상청 바다 날씨 자료와 국립해양조사원의 조위자료 지역특성을 고려할 수 있는 연안재해취약성 평가체계((Coastal Disaster Assessment System, CDAS)의 연안재해노출지수(CODI),연안재해민감도지수(COSI). 연안재해노출지수(CPII)를 반영하여 남해연안지역의 풍랑피해에 대한 예측함수를 개발했다. 본 연구에서는 남해연안 전 지역의 풍랑피해예측함수 적용을 위해 데이터의 개수가 부족한 지역에 대해 군집분석을 수행했고 남해연안 18개 지역에 대한풍랑피해 예측함수를 개발하였다.
본 연구에서는 SPSS프로그램을 통하여 기상변수와 지역특성을 고려한 변수들의 상관관계분석을 시행하였다. 이는 설명변수의 유의성을 평가하여 예측 가능한 기상인자를 대상으로 후진법을 사용하여 유의성이 높은 기상인자를 도출하는 방법으로 풍랑피해 예측함수 개발에 적용하였다. 또한 지역특성을 고려하는 연안재해노출지수(COastal Disaster Index, CODI), 연안민감도지수(COastal Sensitivity Index, COSI), 연안재해영향지수(Coastal Potential Impact Index, CPII)중 2가지의 요소를 선택하여 총 4가지 설명변수를 예측함수 개발에 고려하였다.
기상청 바다날씨자료와 국립해양조사원의 조위관측소 자료 중 예측 가능한 인자들을 기상변수로 사용하고 국립해양조사원(2015)에서 제시한 지역등급 분류 인자를 풍랑피해 예측함수 개발에 활용하였다[19]. 이들 인자를 바탕으로 변수들 간의 유의성을 평가하고, 예측함수를 개발하였다. 연구흐름은 Fig.
이러한 문제를 해결하기 위하여, 호우, 해일, 강풍을 동반하는 태풍에 의해 일어난 피해이력 중 선박, 어항, 수리·방조제 등 풍랑피해로 간주할 수 있는 1991년부터 2015년까지의 피해를 추가로 수집하여 풍랑피해 예측함수 개발에 활용하였다[17][18].
이러한 문제점을 보완하기 위하여 본연 구에서는 관측소를 기준으로 인접한 시·군·구를 분석하고 가용피해건수가 적은 지역을 선별하여 군집화 하였다.
하지만 연구를 수행하기에 실제 사용할 수 있는 데이터의 한계가 있었고 이를 보완하기 위하여 1991년부터 2015년까지의 태풍피해 이력을 추가로 수집하였고 태풍피해이력 중 풍랑피해로 간주 할 수 있는 데이터를 추출하였고 총 316건의 피해건수를 수집했다. 이렇게 수집된 자료를 바탕으로 기상자료와 연계하여 가용피해건수를 분석하였다. 가용피해건수를 분석한 결과 풍랑피해 24건 태풍피해 136건으로 총 160건의 가용피해건수를 확인할 수 있었다.
풍랑피해가 일어나는 지역은 그 지역마다의 특성이 다르기 때문에 이를 반영하기 위해 지역 구성에 따른 등급분류를 수행했다. 본 연구에서는 국립해양조사원에서발간한 연안재해취약성 평가체계(Coastal Disaster Assessment System, CDAS) 구축 결과보고서에 제시되어있는 연안재해노출지수(COastal Disaster Index, CODI), 연안민감도지수(COastal Sensitivity Index, COSI), 연안재해영향지수(Coastal Potential Impact Index, CPII)를 분석하고 연구에 반영하였다.
대상 데이터
[21] 국립해양조사원에서는 전국 연안에 47개소의 조위관측소를 운영하고 있으며, 국립해양조사원 홈페이지의 스마트조석예보 시스템을 통해 자료를 제공하고 있다.[22] 본 연구에서는 국립해양조사원에서 제공하는 조위자료를 관측개시일로부터2015년까지 시단위로 수집하여 데이터를 구축하였다.
는 유의파고는 기상변수를 나타낸다. 그리고 지역특성으로는 D는 연안재해노출지수, S는 연안민감도지수이며 I는 연안재해영향지수이다.
본 연구에서는 2006년부터 2015년까지 시·군·구 별로 정리된 풍랑피해 이력을 수집하고 분석하였다.
현재 기상청은 우리나라연안에 국내부이 11개소, 파고부이 43개소, 국내등표 9개소를 운영하고 있으며, 기상청 홈페이지에 자료를 공개하고 있다. 본 연구에서는 기상청에서 제공하는 기상자료를 관측개시일로부터 2015년까지 일단위로 수집하여 기상변수 Data를 구축하였다.[21] 국립해양조사원에서는 전국 연안에 47개소의 조위관측소를 운영하고 있으며, 국립해양조사원 홈페이지의 스마트조석예보 시스템을 통해 자료를 제공하고 있다.
분석된 피해건수는 피해액의 정확한 산출을 위해 한국은행 경제통계시스템의 2015년 생산자물가지수를 기준으로 화폐가치를 환산하였고 Talbe. 1은 '91~`15년의화폐가치의 배수를 나타냈다.
남해 연안지역의 총 피해건수는 316건으로 풍랑 피해건수는 25건 태풍피해 건수는 291건으로 분석되었다. 총 316건의 데이터는 기상자료를 활용하여 가용피해건수를 분석하였고 실제풍랑피해 예측함수 개발에 사용된 데이터는 총 160건으로 분석되었다. 풍랑피해 예측함수를 개발하기에 데이터가 부족한 지역은 군집분석을 통하여 군집화 하여 예측함수를 개발하였고, 한국은행 경제통계시스템의 2015년 생산자물가지수를 통하여 화폐가치를 환산하였다.
본 연구에서는 2006년부터 2015년까지 시·군·구 별로 정리된 풍랑피해 이력을 수집하고 분석하였다. 하지만 연구를 수행하기에 실제 사용할 수 있는 데이터의 한계가 있었고 이를 보완하기 위하여 1991년부터 2015년까지의 태풍피해 이력을 추가로 수집하였고 태풍피해이력 중 풍랑피해로 간주 할 수 있는 데이터를 추출하였고 총 316건의 피해건수를 수집했다. 이렇게 수집된 자료를 바탕으로 기상자료와 연계하여 가용피해건수를 분석하였다.
데이터처리
본 연구에서는 SPSS프로그램을 통하여 기상변수와 지역특성을 고려한 변수들의 상관관계분석을 시행하였다. 이는 설명변수의 유의성을 평가하여 예측 가능한 기상인자를 대상으로 후진법을 사용하여 유의성이 높은 기상인자를 도출하는 방법으로 풍랑피해 예측함수 개발에 적용하였다.
이론/모형
풍랑피해 예측함수를 개발하기에 데이터가 부족한 지역은 군집분석을 통하여 군집화 하여 예측함수를 개발하였고, 한국은행 경제통계시스템의 2015년 생산자물가지수를 통하여 화폐가치를 환산하였다. 기상청 바다날씨자료와 국립해양조사원의 조위관측소 자료 중 예측 가능한 인자들을 기상변수로 사용하고 국립해양조사원(2015)에서 제시한 지역등급 분류 인자를 풍랑피해 예측함수 개발에 활용하였다[19]. 이들 인자를 바탕으로 변수들 간의 유의성을 평가하고, 예측함수를 개발하였다.
성능/효과
이렇게 수집된 자료를 바탕으로 기상자료와 연계하여 가용피해건수를 분석하였다. 가용피해건수를 분석한 결과 풍랑피해 24건 태풍피해 136건으로 총 160건의 가용피해건수를 확인할 수 있었다. 분석결과 전라남도 완도군이 가장 많은 피해를 입었으며 총 피해건수는 29건, 가용피해건수는 17건으로 분석되었다(Fig.
가용피해건수를 분석한 결과 풍랑피해 24건 태풍피해 136건으로 총 160건의 가용피해건수를 확인할 수 있었다. 분석결과 전라남도 완도군이 가장 많은 피해를 입었으며 총 피해건수는 29건, 가용피해건수는 17건으로 분석되었다(Fig. 3, 4).
첫째, 남해연안 18개 지역에 대한 NRMSE 값은 1.61%에서 21.73%로 결과를 분석했으며, NRMSE 값이10%미만인 지역은 10곳으로 나타났다.
후속연구
둘째, 본 연구에서 개발한 풍랑피해예측함수를 통하여 피해발생 전 피해영향 및 규모를 신속하게 예측이 가능하나, 큰 피해가 발생하는 경우에는 피해오차가 크고 예측력이 떨어지는 한계점이 보인다. 이러한 문제점은 공공ㆍ사유시설에 대한 정확한 재해통계 자료의 구축과 기상자료의 확보가 중요할 것으로 사료된다.
하지만 자연재해의 피해조사는 인력의 부족과 수동적인 방법으로 피해를 조사하고 조사된 정보의 관리와 전달 능력이 부족한 실정이다[6]. 이러한 내용을 바탕으로 자연재해 발생 시 피해규모를 예측할 수 있다면, 적절한 초기대응이 가능하고 자연재해에 의한 사회기반시설과 인명피해, 재산피해를 저감하기 위해 이와 관련된 연구수행 및 시스템의 개발이 필요하다.
이러한 문제점은 공공ㆍ사유시설에 대한 정확한 재해통계 자료의 구축과 기상자료의 확보가 중요할 것으로 사료된다. 향후 방파제ㆍ항만ㆍ어항시설 등 기투자요소를 고려하여 고도화연구를 진행하면 예측력이 개선될 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
산업화의 발달과 도시화의 영향은?
산업화의 발달과 도시화로 인한 지구온난와의 가속화와 기후의 변화는 해수면을 상승시켰고, 이상기후 현상을 유발하여 태풍, 폭우, 폭염, 가뭄 등 자연재해의 발생빈도와 강도를 증가시켰다. 하지만 자연재해는 넓은 범위와 다양한 원인으로 범위와 규모의 예측이 어려운 실정이다.
본 연구에서 풍랑피해에 대한 자료가 부족한 문제를 어떻게 해결했나요?
풍랑은 재해로 분류되고 10년 밖에 지나지 않았기 때문에 풍랑피해에 대한 자료가 부족한 실정이다. 이러한 문제를 해결하기 위하여, 호우, 해일, 강풍을 동반하는 태풍에 의해 일어난 피해이력 중 선박, 어항, 수리·방조제 등 풍랑피해로 간주할 수 있는 1991년부터 2015년까지의 피해를 추가로 수집하여 풍랑피해 예측함수 개발에 활용하였다[17][18]. 남해 연안지역의 총 피해건수는 316건으로 풍랑 피해건수는 25건 태풍피해 건수는 291건으로 분석되었다.
풍랑이란?
풍랑(wind wave)이란 해상에서 바람에 의해 일어나는 파도를 의미한다. 풍랑은 2005년 자연재해대책법이 개정되며 호우, 태풍, 지진 등과 함께 풍랑은 자연재해로 분류되었으며, 2006년부터 국민안전처(구 소방방재청)에서 발간하는 재해연보에 수록되기 시작했다[7].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.